JP7234617B2 - 車体姿勢角推定装置 - Google Patents

Description

本発明は、車体姿勢角推定装置に係り、特に、走行路と横滑りを含む車体の運動の関係に基づき、車体の姿勢角を推定する車体姿勢角推定装置に関する。

走行中の車体は、路面に対して前後運動、横運動及びヨー運動の３軸方向の運動を行うが、かかる運動の際に、車体は、地球座標系（すなわち大地）に対する角度である姿勢角が動的に変化する。例えば、旋回中の車体には、車体が左右方向に傾くロール角が生じる。また、加速している車体、及び減速している車体には、車体の進行方向に車体が傾くピッチ角が生じる。

車体のロール角及びピッチ角を把握できれば、車体の制御に係る操舵角、アクセル開度及びブレーキの強度の各々を適切に決定でき、車両の自動運転において、より安定した制御が可能となる。また、車体の姿勢角の的確な推定により、車両の地図上での移動量がより正確に算出できるので、自動運転において、車両の自己位置の推定がより適切に行える。

特許文献１には、車輪速センサと加速度センサとを用いて、車体の前後勾配を推定する路面勾配推定装置の発明が開示されている。

特許文献２には、車体のヨーレート、横加速度、前後加速度及び操舵角から車体の姿勢角を推定する道路形状予測装置の発明が開示されている。

特許文献３には、車体のヨーレート及び横加速度の値から路面キャンバ角を推定すると共に、車体の運動方程式から車体の横速度を推定する車線維持支援装置の発明が開示されている。

特開２０１７－１４４９７３号公報 特開２０１４－１５１８５３号公報 特開２０１７－１３５２０号公報

しかしながら、特許文献１に記載の発明は、車体の旋回時の横滑りが考慮されていないので、横滑りが顕著になる交差点等を車体が走行する際に、ピッチ角の推定の精度が悪化するおそれがあった。

特許文献２に記載の発明は、使用している運動モデルに環境に対する柔軟性がなく、路面環境が変化した場合に、車体の姿勢角推定の精度が悪化するおそれがあった。

特許文献３に記載の発明は、操舵系の力学モデル及びタイヤの力学モデルを用いているが、特にタイヤの力学モデルは環境による変化が著しく、推定結果に悪影響を及ぼす恐れがある。また、上記のモデルは、車体の仕様に依存する部分が大きく、車体間の汎用性に難があるという問題があった。

本発明は、上記問題に鑑みてなされたものであり、撮像装置が取得した画像、車速、車体のヨーレート及び車体の加速度から車体の姿勢角を精度よく推定する車体姿勢角推定装置を実現することを目的とする。

上記目的を達成するために、請求項１に記載の車体姿勢角推定装置は、車体周辺の画像情報を取得する撮像装置と、前記撮像装置が取得した画像情報から、目標経路と車体との横位置偏差及び前記目標経路と車体のヨー角偏差を算出する画像情報処理部と、前記目標経路上において、前後方向の速度のみを有し、横方向の速度を有さない運動をする目標位置の移動と、横滑りを含む前記車体の運動との関係を表す式、及び前記車体の加速度を含む前後方向又は横方向の車体の運動の関係を表す式を用いて、前記横位置偏差、前記ヨー角偏差、車速センサから得られる前後速度、ヨーレートセンサから得られるヨーレート及び加速度センサから得られる加速度を含む実測値から、前記車体の横速度及び前記車体の姿勢角を推定する演算部と、を含んでいる。

また、他の態様の車体姿勢角推定装置は、請求項１に記載の車体姿勢角推定装置において、前記目標位置の移動と、横滑りを含む前記車体の運動との関係を表す式は、前記前後速度から、前記ヨーレートと前記横位置偏差との積を減算したものを、前記ヨー角偏差を用いて補正した結果とヨー角偏差の正弦値との積から、前記横位置偏差の変化量と、前記車体のヨー運動に伴う車体重心位置に対する前記撮像装置の横速度とを減算した結果と、前記横速度とが等しい関係を表す式を含み、前記車体の加速度を含む前後方向又は横方向の車体の運動の関係を表す式は、前記前後速度の変化量から、前記ヨーレートと前記横速度との積及び重力加速度とピッチ角の正弦値との積を、減算した結果と、前記加速度センサから得られる前後加速度とが等しい関係を表す式を含み、前記演算部は、前記姿勢角として前記ピッチ角を推定する。

また、請求項２に記載の車体姿勢角推定装置は、請求項１に記載の車体姿勢角推定装置において、前記車体の加速度を含む前後方向又は横方向の車体の運動の関係を表す式は、前記前後速度の変化量から、前記ヨーレートと前記横速度との積及び重力加速度とピッチ角の正弦値との積を、減算した結果と、前記加速度センサから得られる前後加速度とが等しい関係を表す式と、前記横速度の変化量に、前記ヨーレートと前記前後速度との積及び重力加速度とロール角の正弦値と前記ピッチ角の余弦値との積を、加算した結果と、前記加速度センサから得られる横加速度とが等しい関係を表す式と、を含み、前記演算部は、前記姿勢角として前記ピッチ角及び前記ロール角を推定する。

請求項３に記載の車体姿勢角推定装置は、請求項２に記載の車体姿勢角推定装置において、前記演算部は、前記ヨーレートに前記ピッチ角の変化量と前記ロール角の正弦値との積を加算した結果を前記ロール角の余弦値と前記ピッチ角の余弦値との積で除算して得た結果と、ヨー角の変化量とが等しい関係を表す式をさらに用いて、前記姿勢角として前記ピッチ角、前記ロール角及び前記ヨー角を推定する。

請求項４に記載の車体姿勢角推定装置は、請求項１～請求項３の何れか１項に記載の車体姿勢角推定装置において、前記演算部は、前記目標位置の移動と、横滑りを含む前記車体の運動との関係を表す式に基づいて、前回推定された、前記横速度及び前記姿勢角を含む前記車体の状態量から、次時刻の前記車体の状態量を予測する予測部と、前記車体の加速度を含む前後方向又は横方向の車体の運動の関係を表す式を含む、予め定められた観測方程式を用いて算出される、前記予測された次時刻の前記車体の状態量に対応する、前記横位置偏差、前記ヨー角偏差、前記前後速度、前記ヨーレート及び前記加速度と、それぞれの前記実測値との差分、及び前回推定された前記車体の状態量に基づいて、前記予測部で予測された前記車体の状態量を補正することにより、前記横速度及び前記姿勢角を推定する更新部と、を含んでいる。

本発明によれば、撮像装置が取得した画像、車速、車体のヨーレート及び車体の加速度から車体の姿勢角を精度よく推定する車体姿勢角推定装置を実現することができるという効果を奏する。

本発明の第１の実施の形態に係る車体姿勢角推定装置の構成の一例を示すブロック図である。 本発明の第１の実施の形態における座標系を示した概略図である。 撮像装置の位置、車両の重心、横位置偏差及びヨー角偏差の関係の一例を示した説明図である。 横滑りを含む車両の運動と目標経路との関係を示した説明図である。 本発明の第１の実施の形態に係る車体姿勢角推定装置の入出力の概略を示した説明図である。 本発明の第１の実施の形態に係る車体姿勢角推定装置の演算装置の機能ブロック図の一例である。 事前推定部の機能ブロック図の一例である。 フィルタリング部の機能ブロック図の一例である。 交差点での右左折時のように、横位置偏差とヨー角偏差とが大きい場合の車両の旋回の一例を示した概略図である。 本発明の第２の実施の形態に係る車体姿勢角推定装置の入出力の概略を示した説明図である。 本発明の第３の実施の形態に係る車体姿勢角推定装置の入出力の概略を示した説明図である。

［第１の実施の形態］
以下、図面を参照して本発明の実施の形態を詳細に説明する。図１に示すように、本実施の形態に係る車体姿勢角推定装置１０は、後述する演算装置１４の演算に必要なデータ及び演算装置１４による演算結果を記憶する記憶装置１８と、撮像装置２２が取得した画像情報から目標経路と車両との横位置偏差、車両のヨー角偏差及び目標経路の曲率を算出する画像情報処理部２０と、画像情報処理部２０が算出した横位置偏差、ヨー角偏差、曲率、車速センサ２４が検出した前後速度、ヨーレートセンサ２６が検出したヨーレート及び加速度センサが検出した加速度が入力される入力装置１２と、入力装置１２から入力された入力データ及び記憶装置１８に記憶されたデータに基づいて車体の横速度及び車体の姿勢角の演算を行なうコンピュータ等で構成された演算装置１４と、演算装置１４で演算された姿勢角等を表示するＣＲＴ又はＬＣＤ等で構成された表示装置１６と、で構成されている。

続いて、車体２００の挙動に係る座標系を図２に示したように定義する。地球座標系２０４は地球平面を基準として重力加速度方向とｚ_eとが平行で、ｙ_eが北方向を向いている座標系である。路面座標系２０６は、ｚ_rが車体２００の重心を通り路面に垂直な方向に向き、ｘ_rは車両進行方向に向いている座標系である。車体座標系２０８は車体バネ上に固定された座標系で、ｚ_vは車体鉛直上方向、ｘ_vは車体進行方向を向いている。

また、オイラー姿勢角であるロール角φ、ピッチ角θ及びヨー角ψは、地球座標系２０４に対して、図２に示したように定義される。例えば、ロール角φはｘ軸まわりの回転角であり、ピッチ角θは、y軸まわりの回転角であり、ヨー角ψは、z軸まわりの回転角である。また、ロール角φ、ピッチ角θ及びヨー角ψの各々は、右ネジの方向（図２では、各々の矢印方向）の回転で正の値を示す。本実施の形態では、便宜上、後述するヨー角偏差は基準座標系を路面座標系２０６とし、さらに、本来は地球座標系２０４に対して定義されるオイラー姿勢角を、車体座標系２０８に対して、ロール角φ_v、ピッチ角θ_v及びヨー角ψ_vと定義する。以後、単に、ロール角φ、ピッチ角θ及びヨー角ψと記した場合は、基本的に、車体座標系２０８に対して定義された姿勢角であるとする。

本実施の形態は、撮像装置２２で取得した画像情報、車速センサ２４で検出した車速、ヨーレートセンサ２６で検出した車体のヨーレート及び加速度センサ２８で検出した車体の加速度を用いて車体２００の横速度（以下、「車体横速度」と略記）及び姿勢角を算出する。本実施の形態では車体横速度の算出に際して、図３にあるように、目標位置Ｐ_tにおける目標経路２２０である走行車線の曲率ρに加え、センサ位置Ｐ_sを基準とした目標位置Ｐ_tに対する横位置偏差ｅ₁とヨー角偏差ｅ₂とを想定する。なお、センサ位置Ｐ_sは車体重心Ｐ_rから車体２００の前方方向に距離（車体重心Ｐ_rとセンサ位置Ｐ_sとのオフセット距離）ｌ_sで隔てられた位置にあり、車載カメラ等の撮像装置２２が設けられている。図３に示したように、センサ位置Ｐ_sを基準とした車体２００の進行方向の移動量はｘ_Sであり、センサ位置Ｐ_sを基準とした車体２００の横方向の移動量はｙ_sである。

次に、車体横速度を推定する際に用いる、横滑りを含む車体２００の運動と目標経路２２０との関係を図４に示す。一般に車体２００は路面に対して横滑りをしており、横速度を有する運動を伴っている。車体２００の挙動に対し、走行車線上の目標位置Ｐ_tは前後方向の速度のみを有し、横速度を有さない運動をしている。この特徴を利用し、車体２００の運動と目標位置Ｐ_tの運動との差分を導出する事で、車体横速度を推定するのに必要な条件式を導出する事が可能になる。

本実施の形態では、図３、４のように各変数を設定する。目標経路２２０上の目標位置Ｐ_tは、接線方向の速度成分Ｕ_tのみを持つとして、目標位置Ｐ_tの速度ベクトルをＶ_t=[Ｕ_t ０]^T、目標位置Ｐ_tをＰ_t=[ｘ_t ｙ_t ]^T、地球座標系のx軸方向に対する接線方向のヨー角をψ_tと定義する。さらに車体２００は前後方向のみならず横速度を有するとして（車体スリップ角を有する）、路面座標系２０６の原点をＰ_r=[ｘ_r ｙ_r ]^T、ヨー角をψ_r、車体２００の各軸方向の速度成分を図４に示したように、ν_r=[Ｕ_r Ｖ_r ]^Tとする。本実施の形態では、後に車体座標系２０８を基準に計測されたセンサ情報との関係を容易にするため、偏差の基準座標系を路面座標系２０６とし、ヨー角偏差としてψ_e=ψ_t－ψ_rを定義する。

路面座標系２０６から見た目標位置Ｐ_tの偏差ベクトルをＰ_e=[ｘ_e ｙ_e ]とすると、当該偏差ベクトルＰ_eの微分は下記の２式で表される。

車載カメラ等の撮像装置２２が取得した車体２００周辺の画像情報を、画像情報処理部２０において既知の手法によって画像解析することにより、目標位置Ｐ_tにおける走行車線の曲率ρに加え、センサ位置Ｐ_sを基準とした目標位置Ｐ_tに対する横位置偏差ｅ₁とヨー角偏差ｅ₂とが抽出される。撮像装置２２はセンサの一種であるから、当該撮像装置２２で取得した画像情報から抽出した曲率ρ、横位置偏差ｅ₁及びヨー角偏差ｅ₂をセンサで取得されるセンサ情報とする。さらに、車速センサ２４で検出する車体２００の前後方向の速度である前後速度Ｕ_r及びヨーレートセンサ２６で検出するヨーレートＲ_rをセンサ情報として、上記式を変形すると、下記の３式が得られる。

さらに車体横速度Ｖ_rとヨーレートＲ_rとについて上記３式を整理すると、下記の式（１）、（２）、（３）が得られる。

上記の式（１）と式（３）から下記の式（４）が求められる。式（４）の右辺の変数は、いずれもセンサより取得可能である。従って、式（４）によれば、撮像装置２２、車速センサ２４及びヨーレートセンサ２６で各々検出したデータに基づいて車体横速度Ｖ_rを算出できる。

式（４）は、前後速度Ｕ_rから車体２００のヨーレートＲ_rと横位置偏差ｅ₁を乗算したＲ_rｅ₁を減算することで旋回半径の補正を行い、さらにそれをヨー角偏差ｅ₂の余弦cosｅ₂で除算することで求めた目標経路２２０上の目標位置Ｐ_tの移動速度Ｕ_t（式（３）参照）に、ヨー角偏差ｅ₂の正弦sinｅ₂を乗算して得られる前後速度Ｕ_rの目標経路２２０に対する垂直成分、言い換えれば、前後速度Ｕ_rの車体座標系２０８のｙ座標成分であるＵ_tsinｅ₂から、目標経路との横位置偏差ｅ₁の変化量（ｅ₁の微分値）と、車体２００のヨー運動に伴う車体重心位置Ｐ_rに対する撮像装置２２の横速度Ｒ_rｌ_sを引いたものが、車体２００の横速度Ｖ_rと一致することを示している。

なお、上記式（４）は、前後速度Ｕ_rから、ヨーレートＲ_rと横位置偏差ｅ₁との積を減算したものを、ヨー角偏差ｅ₂を用いて補正した結果とヨー角偏差ｅ₂の正弦値との積から、横位置偏差ｅ₁の変化量と、車体２００のヨー運動に伴う車体重心位置Ｐ_rに対する撮像装置２２の横速度Ｒ_rｌ_sとを減算した結果と、車体２００の横速度Ｖ_rとが等しい関係を表す式の一例である。

加速度センサ２８からは、車体２００の進行方向（ｘ軸方向）の前後加速度ａ_xが得られ、さらに車体２００の横方向（ｙ軸方向）の加速度である横加速度ａ_yが得られる。前後加速度ａ_x及び横加速度ａ_yの各々を検出するには、前後加速度ａ_x検出用の加速度センサ２８と、横加速度ａ_y検出用の加速度センサ２８とを各々備える。又は、前後加速度ａ_x及び横加速度ａ_yが共に検出可能な加速度センサ２８を用いる。

加速度センサ２８から得られる前後加速度ａ_x及び横加速度ａ_yの関係は、下記の車体２００の加速度を含む前後方向又は横方向の車体の運動の関係を表す式（５）、（６）の通りになる。

基本的に、前後加速度ａ_xは、前後速度Ｕ_rの微分であるが、車体２００の横方向（ｙ軸方向）の挙動であるヨーレートＲ_r及び車体横速度Ｖ_rに影響される。また、重力加速度ｇも、前後加速度ａ_xに影響する。その結果、前後加速度ａ_xは、前後速度Ｕ_rの微分値（変化量）から、上記の式（４）で示される車体横速度Ｖ_rとヨーレートＲ_rとの積及び重力加速度ｇとピッチ角θの正弦値との積を、減算した値に一致する。

また、基本的に、横加速度ａ_yは、車体横速度Ｖ_rの微分であるが、ヨーレートＲ_r及び前後速度Ｕ_rに影響される。また、重力加速度ｇも、横加速度ａ_yの値に影響する。その結果、横加速度ａ_yは、車体横速度Ｖ_rの微分値（変化量）に、ヨーレートＲ_rと前後速度Ｕ_rとの積及び重力加速度ｇとロール角φの正弦値とピッチ角θの余弦値との積を、加算した値に一致する。

前述のように、車体横速度Ｖ_rは式（４）を用いて算出でき、前後加速度ａ_x及び横加速度ａ_yは、加速度センサ２８で検出できる。従って、式（５）、（６）における未知数はロール角φ及びピッチ角θの２つなので、式（５）、（６）は一種の２元連立方程式となり、未知数であるロール角φ及びピッチ角θを算出できる。

また、オイラー姿勢角のピッチ角θの微分値と、車体方位角であるヨー角ψの微分値は、ピッチレートＱ及びヨーレートＲを用いて下記の式のように表される。

本実施の形態では、ピッチレートを検出するセンサの使用を想定していないので、上記２式からピッチレートＱを消去すると、ヨー角ψの微分値（変化量）は下記の式で表される。

上記の式は、後述する本発明の第３の実施の形態において、ヨー角ψを算出する際に用いられる。なお、上記の式は、ヨーレートＲにピッチ角θの変化量とロール角φの正弦値との積を加算した結果をロール角φの余弦値とピッチ角θの余弦値との積で除算して得た結果と、ヨー角の変化量とが等しい関係を表している。

図５は、本実施の形態に係る車体姿勢角推定装置１０の入出力の概略を示した説明図である。車体姿勢角推定装置１０を構成する演算装置１４には、画像情報処理部２０から横位置偏差ｅ₁とヨー角偏差ｅ₂とが入力される。また、車速センサ２４からは前後速度Ｕ_r、ヨーレートセンサ２６からは車体２００のヨーレートＲ_r、加速度センサ２８からは車体２００の前後加速度ａ_xの各々が、演算装置１４に入力される。なお、車体２００の前後方向は、車体座標系２０８のｘ軸に平行な方向である。

演算装置１４は、後述する演算処理によって、横位置偏差ｅ₁、ヨー角偏差ｅ₂、前後速度Ｕ_r、ヨーレートＲ_r及び前後加速度ａ_xから車体横速度Ｖ_r及び車体姿勢角である車体ピッチ角θ_vを推定する。

本実施の形態では、上述の目標経路２２０と車体２００の運動との関係を用いて、状態方程式ｆ（ｘ）を定義し、演算装置１４における事前推定とフィルタリングのステップとで活用する。事前推定及びフィルタリングのステップの詳細については、後述する。

まず、撮像装置２２より得られる目標経路２２０に対する横位置偏差ｅ₁、ヨー角偏差ｅ₂、前後速度Ｕ_r、ヨーレートＲ_r及び前後加速度ａ_xの情報を用いて、車体横速度Ｖ_r及びピッチ角θ_vを推定する場合の状態方程式ｆ（ｘ）は、以下のように定義する。

かかる場合の状態方程式ｆ（ｘ）は、下記のような、時間ｔにおける状態量ｘ（ｔ）に対して、下記の式（７）の関係が成り立つ。

上記の状態量ｘ（ｔ）に対して、上記式（７）の関係が成り立つ状態方程式ｆ（ｘ）を下記のように立式する。

式（８）、（９）は、目標経路２２０と車体２００との運動の関係を示した微分方程式である。

また、本実施の形態では、各状態に対するシステムノイズを下記のように定義する。

次にセンサによる観測量を下記のように定義する。

ｙ=ｈ（ｘ）を満たす観測方程式ｈ（ｘ）は、下記の各式のように、状態量（右辺）と観測量（左辺）との対応を定義したものである。なお、一番下の式が、車体の前後加速度を含む前後方向の車体の運動の関係を表す式である。

ただし、各観測量に対する観測ノイズを下記のように定義する。

カルマンフィルタでは、式（８）、（９）を含む状態方程式ｆ（ｘ）の各々を離散化して使用する。従って、関数ｆ（ｘ）の入出力関係を、時間ｔ＝ｋ、ｋ－１に対して、ｘ（ｋ）＝ｆ（ｘ（ｋ－１））となる形で使用する。

図６は、本実施の形態に係る車体姿勢角推定装置１０の演算装置１４の機能ブロック図の一例である。図６に示したように、演算装置１４は、状態方程式ｆ（ｘ）を用いて、目標経路２２０である走行車線と横滑りを含む車体２００の運動との関係に基づく状態の推定を行うと共に、車体の前後加速度を含む前後方向の車体の運動の関係を表す式を含む観測方程式ｈ（ｘ）を用いて、対応するセンサ情報を推定する事前推定部１０２と、事前推定部１０２が出力した事前推定値を、センサ情報を用いて補正するフィルタリング部１０４と、を含む。

カルマンフィルタは線形・非線形を含め種々の手法が提案されている。本実施の形態では、前述のように状態方程式ｆ（ｘ）が非線形である事を踏まえ、非線形カルマンフィルタを活用する例を示す。中でも状態方程式ｆ（ｘ）についての線形化を要さず、かつ計算負荷が比較的小さいアンセンティッドカルマンフィルタを一例として採用する。状態方程式ｆ（ｘ）が線形の場合は、線形カルマンフィルタを用いてもよいし、アンセンティッドカルマンフィルタ以外の非線形カルマンフィルタを用いてもよい。

図７は、事前推定部１０２の機能ブロック図の一例である。図７に示したように、事前推定部１０２は、第１アンセンティッド変換部１０２Ａと第２アンセンティッド変換部１０２Ｂとを含む。

第１アンセンティッド変換部１０２Ａは、状態方程式ｆ（ｘ）に基づいて状態量を更新する1回目のアンセンティッド変換(Unscented transfer)を行って、ｘの平均及びｘの共分散行列を出力する。

第２アンセンティッド変換部１０２Ｂは、第１アンセンティッド変換部１０２Ａが出力した状態量ｘの平均及び状態量ｘの共分散行列を用いて、観測方程式ｈ（ｘ）に従って、対応する観測量に変換する２回目のアンセンティッド変換を行う。

なお、アンセンティッド変換の目的は、ある非線形関数ｙ＝ｆ（ｘ）による変換において、下記の観測量ｙの平均及び共分散行列を精度よく求めることにある。

従って、本実施の形態は、平均値と標準偏差とに対応する2n+1個のサンプル(シグマポイント）を用いて、確率密度関数を近似することを特徴とする。

図７に示したように、第１アンセンティッド変換部１０２Ａは、シグマポイント重み係数部１０２Ａ１と、関数変換部１０２Ａ２と、Ｕ変換部１０２Ａ３と、を含む。また、第２アンセンティッド変換部１０２Ｂは、シグマポイント重み係数部１０２Ｂ１と、関数変換部１０２Ｂ２と、Ｕ変換部１０２Ｂ３と、を含む。

第１アンセンティッド変換部１０２Ａのシグマポイント重み係数部１０２Ａ１及び第２アンセンティッド変換部１０２Ｂのシグマポイント重み係数部１０２Ｂ１では、シグマポイントＸ_i：ｉ＝０、１、２、…２ｎが、下記のように選択される。

ただし、スケーリングファクタκは、κ≧０となるように選択する。また、シグマポイントに対する重みは下記のように定義する。

第１アンセンティッド変換部１０２Ａの関数変換部１０２Ａ２における、非線形関数ｆ（ｘ）による各シグマポイントの変換は下記のようになる。下記は、第１アンセンティッド変換部１０２Ａの関数変換部１０２Ａ２での状態方程式ｆ（ｘ）による変換だが、第２アンセンティッド変換部１０２Ｂの関数変換部１０２Ｂ２での観測方程式ｈ（ｘ）を用いた変換では、観測値が得られる。

第１アンセンティッド変換部１０２ＡのＵ変換部１０２Ａ３では、関数ｆ（ｘ）によって変換された値と、前述の重み係数とを用いて、下記のように状態量ｘの平均値と状態量ｘの共分散行列を算出する。なお、下記式中のＱ_nはシステムノイズである。

第２アンセンティッド変換部１０２ＢのＵ変換部１０２Ｂ３では、下記の計算を行う。

図８は、フィルタリング部１０４の機能ブロック図の一例である。フィルタリング部１０４では、Ｕ変換部１０２Ｂ３で計算された、状態量の事前予測値に対応する観測値と、実際に観測された観測値との差を比較し、状態量の予測値を補正する処理を行う。

状態量の予測値を実際に観測された値でフィードバックする処理はカルマンゲイン(Kalman Gain)と呼ばれ、次式で計算される。なお、次式のＲ_nは観測ノイズである。

次に、このカルマンゲインを用いて、状態量の事前予測値を補正する処理を次のように行う。

以上の事前推定部１０２及びフィルタリング部１０４の処理を各タイムステップごとに繰り返すことにより、車体横速度Ｖ_r及び車体ピッチ角θ_vを推定する。

車体横速度Ｖ_r及び車体ピッチ角θ_vを推定する場合、フィルタリング部１０４が出力したｘ（ｋ）、Ｐ_x（ｋ）を前回値として事前推定部１０２に入力し、上述のように２段階のアンセンティッド変換を行って状態量の事前予測値及び対応する観測値を計算する。計算した状態量の予測値は、フィルタリング部１０４でカルマンゲイン及び実際に観測された最新の観測値を用いて補正される。フィルタリング部１０４が出力したｘ（ｋ）、Ｐ_x（ｋ）は、記憶装置１８に一時的にホールドし、記憶装置１８にホールドしたｘ（ｋ）、Ｐ_x（ｋ）を前回値として事前推定部１０２に入力する。

この状態量の事前予測値の計算と実際に観測された最新の値での補正を繰り返すことによって車体横速度Ｖ_rと共に車体姿勢角である車体ピッチ角θ_vを推定する。

従来、車体姿勢角の推定では、車体横速度Ｖ_rを考慮していない場合が少なくない。図９に示したように、交差点での右左折又はレーンチェンジの場合には、横位置偏差ｅ₁とヨー角偏差ｅ₂とが増大し、車体横速度Ｖ_r及びヨーレートＲ_rが大きくなるため、車体姿勢角の推定に大きな誤差が生じるおそれがある。現在の自動運転技術は、高速道路等の曲率ρが小さい比較的なめらかな道路線形を有する経路を前提としているが、今後は曲率ρが大きい一般道を含めた自動運転を行うには、低速で大きく曲がるような場合でも車体姿勢角の高精度な推定が求められる。

本実施の形態に係る車体姿勢角推定装置１０は、既存の状態方程式に依存せず、かつ車体２００の運動について近似をしていないので、車体２００が目標経路２２０から大きく逸脱した場合でも正確に車体横速度Ｖ_r及び車体ピッチ角θ_vを推定することができる。

以上説明したように、本実施の形態に係る車体姿勢角推定装置１０によれば、撮像装置が取得した画像、車速、車体のヨーレート及び車体の加速度から車体２００の車体横速度Ｖ_r及び車体ピッチ角θ_vを精度よく算出できる。

［第２の実施の形態］
続いて、本発明の第２の実施の形態について説明する。本実施の形態は、後述するように、演算装置１４の入出力が第１の実施の形態と若干相違するが、車体姿勢角推定装置の構成は、第１の実施の形態に係る車体姿勢角推定装置１０と同一なので、当該構成についての詳細な説明は省略する。

図１０は、本実施の形態に係る車体姿勢角推定装置１０の入出力の概略を示した説明図である。車体姿勢角推定装置１０を構成する演算装置１４には、画像情報処理部２０から横位置偏差ｅ₁とヨー角偏差ｅ₂とが入力される。また、車速センサ２４からは車体２００の前後速度Ｕ_r、ヨーレートセンサ２６からは車体２００のヨーレートＲ_r、加速度センサ２８からは前後加速度ａ_x及び横加速度ａ_yの各々が、演算装置１４に入力される。

演算装置１４は、後述する演算処理によって、横位置偏差ｅ₁、ヨー角偏差ｅ₂、前後速度Ｕ_r、ヨーレートＲ_r、前後加速度ａ_x及び横加速度ａ_yから車体横速度Ｖ_r、車体ピッチ角θ_v及びロール角φ_vを推定する。

本実施の形態では、第１の実施の形態と同様に、目標経路２２０と車体２００の運動との関係を用いて、状態方程式ｆ（ｘ）を定義し、演算装置１４における事前推定とフィルタリングのステップとで活用する。

本実施の形態の状態方程式ｆ（ｘ）は、下記のような、時間ｔにおける状態量ｘ（ｔ）に対して、下記の式（１０）の関係が成り立つ。

上記の状態量ｘ（ｔ）に対して、上記式（１０）の関係が成り立つ状態方程式ｆ（ｘ）を下記のように立式する。

式（１１）、（１２）は、目標経路２２０と車体２００との運動の関係を示した微分方程式である。

また、本実施の形態では、各状態に対するシステムノイズを下記のように定義する。

次にセンサによる観測量を下記のように定義する。

ｙ=ｈ（ｘ）を満たす観測方程式ｈ（ｘ）は、下記の各式のように、状態量（右辺）と観測量（左辺）との対応を定義したものである。下から２番目の式が、車体の前後加速度を含む前後方向の車体の運動の関係を表す式であり、一番下の式が、車体の横加速度を含む横方向の車体の運動の関係を表す式である。

ただし、各観測量に対する観測ノイズを下記のように定義する。

カルマンフィルタでは、式（８）、（９）を含む状態方程式ｆ（ｘ）の各々を離散化して使用する。従って、関数ｆ（ｘ）の入出力関係を、時間ｔ＝ｋ、ｋ－１に対して、ｘ（ｋ）＝ｆ（ｘ（ｋ－１））となる形で使用する。以下、第１の実施の形態と同様に、事前推定部１０２及びフィルタリング部１０４の処理を各タイムステップごとに繰り返すことにより、車体横速度Ｖ_r、車体ピッチ角θ_v及びロール角φ_vを推定する。

車体２００の車体横速度Ｖ_r、車体ピッチ角θ_v及びロール角φ_vを推定する場合も、フィルタリング部１０４が出力したｘ（ｋ）、Ｐ_x（ｋ）を前回値として事前推定部１０２に入力し、上述のように２段階のアンセンティッド変換を行って状態量の事前予測値及び対応する観測値を計算する。計算した状態量の予測値は、フィルタリング部１０４でカルマンゲイン及び実際に観測された最新の観測値で補正される。フィルタリング部１０４が出力したｘ（ｋ）、Ｐ_x（ｋ）は、記憶装置１８に一時的にホールドし、記憶装置１８にホールドしたｘ（ｋ）、Ｐ_x（ｋ）を前回値として事前推定部１０２に入力する。

この状態量の事前予測値の計算と実際に観測された最新の値での補正を繰り返すことにより、車体２００の車体横速度Ｖ_r、車体ピッチ角θ_v及びロール角φ_vを精度よく推定できる。

本実施の形態は、第1の実施の形態と同様に、既存の状態方程式に依存せず、かつ車体２００の運動について近似をしていないので、車体２００が目標経路２２０から大きく逸脱した場合でも正確に車体横速度Ｖ_r、車体ピッチ角θ_v及びロール角φ_vを正確に推定することができる。

以上説明したように、本実施の形態に係る車体姿勢角推定装置１０によれば、撮像装置が取得した画像、車速、車体のヨーレート及び車体の加速度から車体２００の車体横速度Ｖ_r、車体ピッチ角θ_v及びロール角φ_vを精度よく算出できる。

［第３の実施の形態］
続いて、本発明の第３の実施の形態について説明する。本実施の形態は、後述するように、演算装置１４の入出力が第１の実施の形態と若干相違するが、車体姿勢角推定装置の構成は、第１の実施の形態に係る車体姿勢角推定装置１０と同一なので、当該構成についての詳細な説明は省略する。

図１１は、本実施の形態に係る車体姿勢角推定装置１０の入出力の概略を示した説明図である。車体姿勢角推定装置１０を構成する演算装置１４には、画像情報処理部２０から横位置偏差ｅ₁とヨー角偏差ｅ₂とが入力される。また、車速センサ２４からは車体２００の前後速度Ｕ_r、ヨーレートセンサ２６からは車体２００のヨーレートＲ_r、加速度センサ２８からは前後加速度ａ_x及び横加速度ａ_yの各々が、演算装置１４に入力される。

演算装置１４は、後述する演算処理によって、横位置偏差ｅ₁、ヨー角偏差ｅ₂、前後速度Ｕ_r、ヨーレートＲ_r、前後加速度ａ_x及び横加速度ａ_yから車体横速度Ｖ_r、車体ピッチ角θ_v、ロール角φ_v及び車体方位角であるヨー角ψ_vを推定する。

本実施の形態では、第１の実施の形態と同様に、目標経路２２０と車体２００の運動との関係を用いて、状態方程式ｆ（ｘ）を定義し、演算装置１４における事前推定とフィルタリングのステップとで活用する。

本実施の形態の状態方程式ｆ（ｘ）は、下記のような、時間ｔにおける状態量ｘ（ｔ）に対して、下記の式（１３）の関係が成り立つ。

上記の状態量ｘ（ｔ）に対して、上記式（１３）の関係が成り立つ状態方程式ｆ（ｘ）を下記のように立式する。

式（１４）、（１５）は、目標経路２２０と車体２００との運動の関係を示した微分方程式である。

また、本実施の形態では、各状態に対するシステムノイズを下記のように定義する。

次にセンサによる観測量を下記のように定義する。

ｙ=ｈ（ｘ）を満たす観測方程式ｈ（ｘ）は、下記の各式のように、状態量（右辺）と観測量（左辺）との対応を定義したものである。

ただし、各観測量に対する観測ノイズを下記のように定義する。

カルマンフィルタでは、式（８）、（９）を含む状態方程式ｆ（ｘ）の各々を離散化して使用する。従って、関数ｆ（ｘ）の入出力関係を、時間ｔ＝ｋ、ｋ－１に対して、ｘ（ｋ）＝ｆ（ｘ（ｋ－１））となる形で使用する。以下、第１の実施の形態と同様に、事前推定部１０２及びフィルタリング部１０４の処理を各タイムステップごとに繰り返すことにより、車体横速度Ｖ_r、車体ピッチ角θ_v、ロール角φ_v及びヨー角ψ_vを推定する。

車体２００の車体横速度Ｖ_r、車体ピッチ角θ_v、ロール角φ_v及びヨー角ψ_vを推定する場合も、フィルタリング部１０４が出力したｘ（ｋ）、Ｐ_x（ｋ）を前回値として事前推定部１０２に入力し、上述のように２段階のアンセンティッド変換を行って状態量の事前予測値及び対応する観測値を計算する。計算した状態量の予測値は、フィルタリング部１０４でカルマンゲイン及び実際に観測された最新の観測値で補正される。フィルタリング部１０４が出力したｘ（ｋ）、Ｐ_x（ｋ）は、記憶装置１８に一時的にホールドし、記憶装置１８にホールドしたｘ（ｋ）、Ｐ_x（ｋ）を前回値として事前推定部１０２に入力する。

この状態量の事前予測値の計算と実際に観測された最新の値での補正を繰り返すことにより、車体２００の車体横速度Ｖ_r、車体ピッチ角θ_v、ロール角φ_v及びヨー角ψ_vを精度よく推定できる。

本実施の形態は、第1の実施の形態と同様に、既存の状態方程式に依存せず、かつ車体２００の運動について近似をしていないので、車体２００が目標経路２２０から大きく逸脱した場合でも正確に車体横速度Ｖ_r、車体ピッチ角θ_v、ロール角φ_v及びヨー角ψ_vを正確に推定することができる。

以上説明したように、本実施の形態に係る車体姿勢角推定装置１０によれば、撮像装置が取得した画像、車速、車体のヨーレート及び車体の加速度から車体２００の車体横速度Ｖ_r、車体ピッチ角θ_v、ロール角φ_v及びヨー角ψ_vを精度よく算出できる。

１０ 車体姿勢角推定装置
１２ 入力装置
１４ 演算装置
１６ 表示装置
１８ 記憶装置
２０ 画像情報処理部
２２ 撮像装置
２４ 車速センサ
２６ ヨーレートセンサ
２８ 加速度センサ
１０２ 事前推定部
１０２Ａ 第１アンセンティッド変換部
１０２Ａ１ シグマポイント重み係数部
１０２Ａ２ 関数変換部
１０２Ａ３ Ｕ変換部
１０２Ｂ 第２アンセンティッド変換部
１０２Ｂ１ シグマポイント重み係数部
１０２Ｂ２ 関数変換部
１０２Ｂ３ Ｕ変換部
１０４ フィルタリング部
２００ 車両
２０４ 地球座標系
２０６ 路面座標系
２０８ 車体座標系
２２０ 目標経路

Claims (4)

1. 車体周辺の画像情報を取得する撮像装置と、
   前記撮像装置が取得した画像情報から、目標経路と車体との横位置偏差及び前記目標経路と車体のヨー角偏差を算出する画像情報処理部と、
   前記目標経路上において、前後方向の速度のみを有し、横方向の速度を有さない運動をする目標位置の移動と、横滑りを含む前記車体の運動との関係を表す式、及び前記車体の加速度を含む前後方向又は横方向の車体の運動の関係を表す式を用いて、前記横位置偏差、前記ヨー角偏差、車速センサから得られる前後速度、ヨーレートセンサから得られるヨーレート及び加速度センサから得られる加速度を含む実測値から、前記車体の横速度及び前記車体の姿勢角を推定する演算部と、
   を含む車体姿勢角推定装置。
2. 前記車体の加速度を含む前後方向又は横方向の車体の運動の関係を表す式は、
   前記前後速度の変化量から、前記ヨーレートと前記横速度との積及び重力加速度とピッチ角の正弦値との積を、減算した結果と、前記加速度センサから得られる前後加速度とが等しい関係を表す式と、
   前記横速度の変化量に、前記ヨーレートと前記前後速度との積及び重力加速度とロール角の正弦値と前記ピッチ角の余弦値との積を、加算した結果と、前記加速度センサから得られる横加速度とが等しい関係を表す式と、を含み、
   前記演算部は、前記姿勢角として前記ピッチ角及び前記ロール角を推定する請求項１に記載の車体姿勢角推定装置。
3. 前記演算部は、前記ヨーレートに前記ピッチ角の変化量と前記ロール角の正弦値との積を加算した結果を前記ロール角の余弦値と前記ピッチ角の余弦値との積で除算して得た結果と、ヨー角の変化量とが等しい関係を表す式をさらに用いて、前記姿勢角として前記ピッチ角、前記ロール角及び前記ヨー角を推定する請求項２に記載の車体姿勢角推定装置。
4. 前記演算部は、前記目標位置の移動と、横滑りを含む前記車体の運動との関係を表す式に基づいて、前回推定された、前記横速度及び前記姿勢角を含む前記車体の状態量から、次時刻の前記車体の状態量を予測する予測部と、
   前記車体の加速度を含む前後方向又は横方向の車体の運動の関係を表す式を含む、予め定められた観測方程式を用いて算出される、前記予測された次時刻の前記車体の状態量に対応する、前記横位置偏差、前記ヨー角偏差、前記前後速度、前記ヨーレート及び前記加速度と、それぞれの前記実測値との差分、及び前回推定された前記車体の状態量に基づいて、前記予測部で予測された前記車体の状態量を補正することにより、前記横速度及び前記姿勢角を推定する更新部と、
   を含む請求項１～請求項３の何れか１項に記載の車体姿勢角推定装置。

Images